SlideShare uma empresa Scribd logo

Sorting Algorithms

Michel Alves, profile picture
Michel Alves

O documento analisa algoritmos de ordenação, especificamente o merge sort e o quick sort, relacionando-os à aleatoriedade e à geração de números aleatórios. Apresenta as diferenças entre geradores de números aleatórios verdadeiros e pseudo-aleatórios, além de discutir métodos como o congruencial linear e o Mersenne Twister. Também são discutidos resultados obtidos na avaliação da eficiência desses algoritmos em aplicações práticas.

Educação
1 de 90
Baixado 12 vezes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Algoritmos de Ordenação Análise das Estratégias Merge Sort e Quick Sort Michel Alves dos Santos Universidade Federal de Alagoas, Campus A. C. Simões Tabuleiro do Martins - Maceió - AL, CEP: 57072-970 Centro de Pesquisa em Matemática Computacional Docente Responsável: Prof. Dr. Thales Vieira 19 de Setembro 2011 Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Intercalação § ¤ 1 /∗∗ 2 ∗ Method that performs the c o l l a t i o n of l i s t s . 3 ∗∗/ 4 void Merges ( MyVector & ev , i n t BeginList , i n t Middle , i n t EndList ) 5 { 6 i n t i , j , k ; MyVector w; 7 w. r e s i z e ( EndList − B e g i n L i s t ) ; 8 9 i = B e g i n L i s t ; j = Middle ; k = 0; 10 11 while ( i < Middle && j < EndList ) 12 { 13 i f ( ev [ i ] <= ev [ j ] ) w[ k++] = ev [ i ++]; 14 e l s e w[ k++] = ev [ j ++]; 15 } 16 17 while ( i < Middle ) { w[ k++] = ev [ i ++]; } 18 while ( j < EndList ) { w[ k++] = ev [ j ++]; } 19 20 f o r ( i = B e g i n L i s t ; i < EndList ; ++i ) ev [ i ] = w[ i−B e g i n L i s t ] ; 21 22 w. c l e a r () ; 23 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Pivoteamento Central § ¤ 1 void QuickSort ( MyVector& ev , i n t BeginList , i n t EndList ) 2 { 3 i n t i , j ; ElementVector c , t ; 4 5 i f ( B e g i n L i s t < EndList ) 6 { 7 c = ev [ ( B e g i n L i s t + EndList ) / 2 ] ; 8 i = B e g i n L i s t ; j = EndList ; 9 10 while ( i <= j ) 11 { 12 while ( ev [ i ] < c ) { ++i ; } 13 while ( c < ev [ j ] ) { −−j ; } 14 15 i f ( i <= j ) 16 { 17 t = ev [ i ] , ev [ i ] = ev [ j ] , ev [ j ] = t ; 18 ++i , −−j ; 19 } 20 } 21 22 QuickSort ( ev , BeginList , j ) ; 23 QuickSort ( ev , i , EndList ) ; 24 } 25 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Pivoteamento Periférico § ¤ 1 void QSort ( MyVector& ev , i n t l e f t , i n t r i g h t ) 2 { 3 i n t new_right ; 4 i f ( r i g h t > l e f t ) 5 { 6 new_right = P a r t i t i o n ( ev , l e f t , r i g h t ) ; 7 QSort ( ev , l e f t , new_right − 1 ) ; 8 QSort ( ev , new_right + 1 , r i g h t ) ; 9 } 10 return ; 11 } ¦ ¥ § ¤ 1 i n t P a r t i t i o n ( MyVector& ev , i n t l e f t , i n t r i g h t ) 2 { 3 r e g i s t e r i n t i , j ; i = l e f t ; 4 5 f o r ( j = l e f t + 1; j <= r i g h t ; j++) 6 { 7 i f ( ev [ j ] < ev [ l e f t ] ) { ++i ; ev . swap ( i , j ) ; } 8 } 9 10 ev . swap ( l e f t , i ) ; 11 return i ; 12 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Algoritmos Algoritmos Avaliados Os seguintes algoritmos foram implementados e avaliados confrontando suas respectivas complexidades teóricas e suas aplicações práticas: Bubble Sort Gnome Sort Shaker Sort Comb Sort Insertion Sort Selection Sort Shell Sort Heap Sort Quick Sort Merge Sort Para cada execução de um determinado algoritmo são exibidas as seguintes informações: Número de Iterações; Número de Comparações; Número de Inversões; Tempo de Execução em Segundos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Bubble Sort Ordenação Bolha Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Gnome Sort Ordenação dos ‘Anões de Jardim’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Shaker Sort Ordenação Chacoalhadeira Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Comb Sort Ordenação ‘Pente’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Insertion Sort Ordenação por Inserção Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Selection Sort Ordenação por Seleção Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Shell Sort Ordenação ‘Concha’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Heap Sort Ordenação por ‘Amontoamento’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Quick Sort Ordenação Rápida com Pivoteamento Central Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Merge Sort Ordenação por Intercalação Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Quadro de Classificação Analisando o Quadro de Classificação Classificação Algoritmo Tempo Bubble 166.785s Gnome 158.188s Shaker 143.156s Comb 142.328s Insertion 81.765s Selection 68.204s Shell 1.281s Heap 1.235s Quick 1.234s Merge 1.375s Bubble Gnome Shaker Comb Insertion Selection Shell Heap Quick Merge 050100150 Algoritmos Bubble Gnome Shaker Comb Insertion Selection Shell Heap Quick Merge Tempos obtidos através da aplicação dos respectivos algoritmos em aglomerados numéricos aleatórios com cardinalidade igual a 100000. Aglomerados compostos por números reais gerados através de congruência linear. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Isso é Tudo Pessoal! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Agradecimentos Grato Pela Atenção! Michel Alves - michel.mas@gmail.com Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação

Mais conteúdo relacionado

KEY
Dividir para conquistar
iMasters
 
PDF
Domínio: Dividir e conquistar
Nelson Senna do Amaral
 
PDF
Heap
Sérgio Souza Costa
 
PDF
Estrutura de Dados - Características da linguagem C - 1
Adriano Teixeira de Souza
 
PDF
Effectiveness of Image Quality Assessment Indexes
Michel Alves
 
PDF
Intelligent Transfer of Thematic Harmonic Color Palettes
Michel Alves
 
PDF
A Framework for Harmonic Color Measures
Michel Alves
 
PDF
Texture Synthesis: An Approach Based on GPU Use
Michel Alves
 
Dividir para conquistar
iMasters
 
Domínio: Dividir e conquistar
Nelson Senna do Amaral
 
Heap
Sérgio Souza Costa
 
Estrutura de Dados - Características da linguagem C - 1
Adriano Teixeira de Souza
 
Effectiveness of Image Quality Assessment Indexes
Michel Alves
 
Intelligent Transfer of Thematic Harmonic Color Palettes
Michel Alves
 
A Framework for Harmonic Color Measures
Michel Alves
 
Texture Synthesis: An Approach Based on GPU Use
Michel Alves
 

Semelhante a Sorting Algorithms (20)

PDF
Análise de Comportamento e Desempenho de Algoritmos de Ordenação
Bruno Mourao Siqueira
 
PDF
Algoritmos e Programação: Funcionamento do computador. Conceito e definição d...
Alex Camargo
 
PDF
Numerical Methods for Solving Linear Ordinary Differential Equations
Michel Alves
 
PPTX
Algorítmos e Lógica de Programação1.pptx
Cristiano Borges
 
PPT
Trabalho Lost171 (Atualizado)
Domênico Medeiros
 
PDF
Algoritmos de Estimação de Distribuição Aplicados à Estimativa de Software
José Corrêa Viana
 
PDF
Apresentação 20130805 algoritmos
João moreira
 
DOCX
Pi raciocinio lógico
Lucas Teixeira
 
PDF
Game Engine Architecture
Michel Alves
 
PPT
Logica Programação. ...
Miller Magalhaes
 
PDF
Aula 5 – Algoritmos – Estrutura Sequencial – Parte 2.pdf
victorlopes714651
 
PPT
Introdução a Algoritmos e Programas.ppt
Renan Assunção
 
PDF
061112 mat a02
Katia Gama
 
PDF
Algoritmos parte1
JuliaBraga29
 
PDF
Sorting Algorithms - Merge and Quick
Michel Alves
 
PPT
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
lazarorytson
 
PPT
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
EliakimArajo2
 
PPT
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
ssuser0eb944
 
PPT
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
Lucasbarbosa452108
 
PDF
apresentacaoEAM.pdf
DiegoCarniattoCerra
 
Análise de Comportamento e Desempenho de Algoritmos de Ordenação
Bruno Mourao Siqueira
 
Algoritmos e Programação: Funcionamento do computador. Conceito e definição d...
Alex Camargo
 
Numerical Methods for Solving Linear Ordinary Differential Equations
Michel Alves
 
Algorítmos e Lógica de Programação1.pptx
Cristiano Borges
 
Trabalho Lost171 (Atualizado)
Domênico Medeiros
 
Algoritmos de Estimação de Distribuição Aplicados à Estimativa de Software
José Corrêa Viana
 
Apresentação 20130805 algoritmos
João moreira
 
Pi raciocinio lógico
Lucas Teixeira
 
Game Engine Architecture
Michel Alves
 
Logica Programação. ...
Miller Magalhaes
 
Aula 5 – Algoritmos – Estrutura Sequencial – Parte 2.pdf
victorlopes714651
 
Introdução a Algoritmos e Programas.ppt
Renan Assunção
 
061112 mat a02
Katia Gama
 
Algoritmos parte1
JuliaBraga29
 
Sorting Algorithms - Merge and Quick
Michel Alves
 
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
lazarorytson
 
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
EliakimArajo2
 
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
ssuser0eb944
 
Unidade-I-Introdução-a-Algoritmos-e-Programas.ppt
Lucasbarbosa452108
 
apresentacaoEAM.pdf
DiegoCarniattoCerra
 
Anúncio

Mais de Michel Alves (20)

PDF
Introduction to Kernel Functions
Michel Alves
 
PDF
About Perception and Hue Histograms in HSV Space
Michel Alves
 
PDF
Color Harmonization - Results
Michel Alves
 
PDF
Wave Simulation Using Perlin Noise
Michel Alves
 
PDF
Similarity Maps Using SSIM Index
Michel Alves
 
PDF
Qualifying Exam - Image-Based Reconstruction With Color Harmonization
Michel Alves
 
PDF
TMS - Schedule of Presentations and Reports
Michel Alves
 
PDF
Month Presentations Schedule - March/2015 - LCG/UFRJ
Michel Alves
 
PDF
Color Palettes in R
Michel Alves
 
PDF
Sigmoid Curve Erf
Michel Alves
 
PDF
Hue Wheel Prototype
Michel Alves
 
PDF
Cosine Curve
Michel Alves
 
PDF
Triangle Mesh Plot
Michel Alves
 
PDF
Triangle Plot
Michel Alves
 
PDF
Capacity-Constrained Point Distributions :: Video Slides
Michel Alves
 
PDF
Capacity-Constrained Point Distributions :: Density Function Catalog
Michel Alves
 
PDF
Capacity-Constrained Point Distributions :: Complementary Results
Michel Alves
 
PDF
Capacity-Constrained Point Distributions
Michel Alves
 
PDF
Five Minute Speech: An Overview of Activities Developed in Disciplines and Gu...
Michel Alves
 
PDF
Harris Detector Results
Michel Alves
 
Introduction to Kernel Functions
Michel Alves
 
About Perception and Hue Histograms in HSV Space
Michel Alves
 
Color Harmonization - Results
Michel Alves
 
Wave Simulation Using Perlin Noise
Michel Alves
 
Similarity Maps Using SSIM Index
Michel Alves
 
Qualifying Exam - Image-Based Reconstruction With Color Harmonization
Michel Alves
 
TMS - Schedule of Presentations and Reports
Michel Alves
 
Month Presentations Schedule - March/2015 - LCG/UFRJ
Michel Alves
 
Color Palettes in R
Michel Alves
 
Sigmoid Curve Erf
Michel Alves
 
Hue Wheel Prototype
Michel Alves
 
Cosine Curve
Michel Alves
 
Triangle Mesh Plot
Michel Alves
 
Triangle Plot
Michel Alves
 
Capacity-Constrained Point Distributions :: Video Slides
Michel Alves
 
Capacity-Constrained Point Distributions :: Density Function Catalog
Michel Alves
 
Capacity-Constrained Point Distributions :: Complementary Results
Michel Alves
 
Capacity-Constrained Point Distributions
Michel Alves
 
Five Minute Speech: An Overview of Activities Developed in Disciplines and Gu...
Michel Alves
 
Harris Detector Results
Michel Alves
 
Anúncio

Último (20)

PDF
Ementa 2 semestre PEI Orientação de estudo
andreasferreira
 
PPTX
Slides Lição 7, CPAD, Uma Igreja Que Não Teme A Perseguição, 3Tr25.pptx
LuizHenriquedeAlmeid6
 
PPTX
Noções de Saúde e Segurança do Trabalho.pptx
julianocorreamodena
 
PDF
aulademeiodetransporteemlibras-120304202807-phpapp01_removed.pdf
FelipeRibeiroSilva5
 
PPTX
16. MODERNISMO - PRIMEIRA GERAÇÃO - EDIÇÃO 2021 (1).pptx
kellyfeitosa626
 
PDF
PPC-Letras-Português_Licenciatura_CCHE.pdf
contatodebeec
 
PPTX
brasilcolnia2-101027184359-phpapp02.pptx
negragisa33
 
PPTX
Ciências da Natureza e suas áreas de desenvolvimento
PACO- Preguiçosos assumidos com orgulho
 
PPTX
Lição 8 EBD.pptxtudopossonaquelequemimfortalece
FREDSONAPARECIDO
 
PDF
A provisão de jojuador (ramadã) islamismo
Islamismo (livros grátis)
 
PPT
História e Evolução dos Computadores domésticos
alunosenacgloria
 
PDF
A Revolução Francesa de 1789 slides história
luanahenriqueliberat1
 
PPTX
biossegurança e segurança no trabalho (6).pptx
JacquelineBenuto
 
PPTX
MENDEL - Aula sobre Mendel - Genética EM
RobertaAnnunciato
 
PDF
saeb_documentos_de_referencia_versao_1.0.pdf
EspeditoFidelisFidel1
 
PDF
Primeiros socorros - primeiro encontro.pdf
LaideBrasil1
 
PPTX
ELEMENTOS E FUNÇÕES DE LINGUAGEM (EMOTIVA, REFERENCIAL, CONATIVA, POÉTICA, FÁ...
ludmill4cost4
 
PPTX
O Romantismo e a identidade brasileira..
juansoares22
 
DOCX
Mapa das Américas Colonial Completo.docx
Doug Caesar
 
PPTX
Realismo e Naturalismo: Aluísio Azevedo.
juansoares22
 
Ementa 2 semestre PEI Orientação de estudo
andreasferreira
 
Slides Lição 7, CPAD, Uma Igreja Que Não Teme A Perseguição, 3Tr25.pptx
LuizHenriquedeAlmeid6
 
Noções de Saúde e Segurança do Trabalho.pptx
julianocorreamodena
 
aulademeiodetransporteemlibras-120304202807-phpapp01_removed.pdf
FelipeRibeiroSilva5
 
16. MODERNISMO - PRIMEIRA GERAÇÃO - EDIÇÃO 2021 (1).pptx
kellyfeitosa626
 
PPC-Letras-Português_Licenciatura_CCHE.pdf
contatodebeec
 
brasilcolnia2-101027184359-phpapp02.pptx
negragisa33
 
Ciências da Natureza e suas áreas de desenvolvimento
PACO- Preguiçosos assumidos com orgulho
 
Lição 8 EBD.pptxtudopossonaquelequemimfortalece
FREDSONAPARECIDO
 
A provisão de jojuador (ramadã) islamismo
Islamismo (livros grátis)
 
História e Evolução dos Computadores domésticos
alunosenacgloria
 
A Revolução Francesa de 1789 slides história
luanahenriqueliberat1
 
biossegurança e segurança no trabalho (6).pptx
JacquelineBenuto
 
MENDEL - Aula sobre Mendel - Genética EM
RobertaAnnunciato
 
saeb_documentos_de_referencia_versao_1.0.pdf
EspeditoFidelisFidel1
 
Primeiros socorros - primeiro encontro.pdf
LaideBrasil1
 
ELEMENTOS E FUNÇÕES DE LINGUAGEM (EMOTIVA, REFERENCIAL, CONATIVA, POÉTICA, FÁ...
ludmill4cost4
 
O Romantismo e a identidade brasileira..
juansoares22
 
Mapa das Américas Colonial Completo.docx
Doug Caesar
 
Realismo e Naturalismo: Aluísio Azevedo.
juansoares22
 

Sorting Algorithms

  • 1. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Algoritmos de Ordenação Análise das Estratégias Merge Sort e Quick Sort Michel Alves dos Santos Universidade Federal de Alagoas, Campus A. C. Simões Tabuleiro do Martins - Maceió - AL, CEP: 57072-970 Centro de Pesquisa em Matemática Computacional Docente Responsável: Prof. Dr. Thales Vieira 19 de Setembro 2011 Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 2. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 3. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 4. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 5. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 6. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 7. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 8. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 9. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 10. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Sumário Tópicos Centrais da Explanação Aleatoriedade e Aplicações Cotidianas; Métodos de Geração de Números Aleatórios; Números Aleatórios e Algoritmos de Ordenação; O Algoritmo de Ordenação Merge Sort; O Algoritmo de Ordenação Quick Sort; Resultados Obtidos & Conclusões. Primeiramente iremos falar um pouco sobre aleatoriedade e mostrar a relação que a mesma possui com o trabalho vigente. Iremos finalizar nossa explanação apresentando alguns resultados obtidos através da avaliação dos algoritmos propostos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 11. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 12. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 13. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Geradores de Números Aleatórios True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Figura: O emprego de TRNGs é mais adequado as loterias, jogos e segurança digital, enquanto os PRNGs são largamente utilizados em simulações e modelagem computacional [Análise Visual, Simulação de Infecção Viral, Algoritmos Evolutivos, etc.] Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 14. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 15. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 16. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 17. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Aleatoriedade e Aplicações Cotidianas Eficiência dos Geradores de Números True Random Number Generators [TRNG]. Pseudo-Random Number Generators [PRNG]. Característica Pseudo-Random Number Generator True Random Number Generator Eficiência Excelente Pobre Determinismo Determinístico Não-determinístico Periodicidade Periódico Aperiódico Tabela: Tabela comparativa das categorias de gerador de números aleatórios que leva em consideração a eficiência, o determinismo e a periodicidade. Aplicações Gerador Recomendado Loterias, Jogos, Segurança, etc. TRNG Simulação e Modelagem PRNG Tabela: Tabela comparativa das categorias de gerador de números aleatórios e suas possíveis áreas de emprego. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 18. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 19. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 20. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 21. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Métodos de Geração de Números Aleatórios Métodos Comumente Encontrados Método Congruencial Linear; Método de Deslocamento R250; Método de Deslocamento Mersenne Twistter. Figura: Os números aleatórios são necessários em cálculo numérico, quando não devem existir correlações entre eventos independentes. São utilizados no método de Monte Carlo (determinação da área de um lago) [1], em dinâmica de partículas com dissipação [2] para garantir que as forças entre as mesmas sejam independentes e em criptografia [3]. Abaixo uma tabela com os períodos de alguns métodos de geração de números aleatórios. Gerador Periodicidade Tipo Linear Congruential Generator [glibc - gcc] 232 Congruente Linear Linear Congruential Generator [MMIX by Donald Knuth] 264 Congruente Linear R250 2250 − 1 Deslocamento de Registro Mersenne Twister 219937 − 1 Deslocamento de Registro Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 22. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 23. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 24. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 25. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 26. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Números Aleatórios e Algoritmos de Ordenação Geração de Números Aleatórios e Algoritmos de Ordenação Por que até o presente momento falamos sobre geração de números aleatórios? Fizemos isso por um simples motivo! Posteriormente iremos testar os limites teóricos das estratégias de ordenação e para verificar a robustez das mesmas, os números empregados devem possuir natureza e origem ‘aleatórias’! Aos conjuntos de números que serão obtidos e testados daremos o nome de Aglomerados Numéricos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 27. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 28. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 29. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 30. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 31. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 32. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 33. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 34. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Algoritmo criado por von Neumann. Complexidade Operacional: O(n · log n). Complexidade Espacial: O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Dividir, Conquistar, Combinar. John von Neumann. 28 de dezembro de 1903 (Budapeste - Hungria) – 8 de fevereiro de 1957 (Washington, D.C.- EUA) Desvantagem: Alto consumo de memória, devido a série de chamadas recursivas. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 35. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 36. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 37. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Ordenação por Intercalação Observe as fases de divisão e combinação dessa estratégia. Exemplo das fases de execução do Merge Sort. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 38. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 39. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 40. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Particionamento § ¤ 1 /∗∗ 2 ∗ Merge Sort i s an O( n l o g n ) comparison −based a l g o r i t h m . 3 ∗/ 4 v o i d MergeSort ( MyVector& ev , i n t B e g i n L i s t , i n t EndList ) 5 { 6 i f ( B e g i n L i s t < EndList − 1) 7 { 8 i n t Middle = ( B e g i n L i s t + EndList ) /2; 9 MergeSort ( ev , B e g i n L i s t , Middle ) ; 10 MergeSort ( ev , Middle , EndList ) ; 11 Merges ( ev , B e g i n L i s t , Middle , EndList ) ; 12 } 13 } ¦ ¥ Repare bem nos passos da ‘divisão e conquista’ aplicados a esse método. A seguir exibiremos a estrutura da função de intercalação Merges. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 41. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Merge Sort Merge Sort - Função de Intercalação § ¤ 1 /∗∗ 2 ∗ Method that performs the c o l l a t i o n of l i s t s . 3 ∗∗/ 4 void Merges ( MyVector & ev , i n t BeginList , i n t Middle , i n t EndList ) 5 { 6 i n t i , j , k ; MyVector w; 7 w. r e s i z e ( EndList − B e g i n L i s t ) ; 8 9 i = B e g i n L i s t ; j = Middle ; k = 0; 10 11 while ( i < Middle && j < EndList ) 12 { 13 i f ( ev [ i ] <= ev [ j ] ) w[ k++] = ev [ i ++]; 14 e l s e w[ k++] = ev [ j ++]; 15 } 16 17 while ( i < Middle ) { w[ k++] = ev [ i ++]; } 18 while ( j < EndList ) { w[ k++] = ev [ j ++]; } 19 20 f o r ( i = B e g i n L i s t ; i < EndList ; ++i ) ev [ i ] = w[ i−B e g i n L i s t ] ; 21 22 w. c l e a r () ; 23 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 42. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 43. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 44. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 45. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 46. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 47. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 48. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 49. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 50. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Algoritmo criado por Charles Hoare. Complexidade Operacional: O(n · log n) e O(n2). Complexidade Espacial: O(log n) e O(n). Algoritmo do tipo “Dividir para Conquistar”. Idéia Básica → Particionar e Recuperar. Sir Charles Antony Richard Hoare. 11 de janeiro de 1934 (Colombo – Sri Lanka) Algoritmo de ordenação não-estável do tipo “dividir para conquistar” baseado em particionamento porém sem a fase de combinação como o merge sort. Desvantagem: No pior caso se comporta como um algoritmo quadrático. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 51. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 52. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 53. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida Exemplo das fases de execução do Quick Sort Particionamento e Recuperação – melhor caso e caso médio Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 54. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 55. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 56. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 57. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 58. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 59. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Ordenação Rápida - Pior Caso O pior caso para o Quick Sort com pivoteamento periférico ocorre quando a entrada já se encontra ordenada. Torna-se tão “eficiente” quanto um algoritmo quadrático convencional. Nesse caso a profundidade da árvore é de N − 1 e não log n, pois a mesma não se encontra balanceada. Finalmente sua complexidade será dada por N · (N − 1)/2, ou seja, O(N2 ) Exemplo das fases de execução do Quick Sort - Pior Caso Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 60. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Pivoteamento Central § ¤ 1 void QuickSort ( MyVector& ev , i n t BeginList , i n t EndList ) 2 { 3 i n t i , j ; ElementVector c , t ; 4 5 i f ( B e g i n L i s t < EndList ) 6 { 7 c = ev [ ( B e g i n L i s t + EndList ) / 2 ] ; 8 i = B e g i n L i s t ; j = EndList ; 9 10 while ( i <= j ) 11 { 12 while ( ev [ i ] < c ) { ++i ; } 13 while ( c < ev [ j ] ) { −−j ; } 14 15 i f ( i <= j ) 16 { 17 t = ev [ i ] , ev [ i ] = ev [ j ] , ev [ j ] = t ; 18 ++i , −−j ; 19 } 20 } 21 22 QuickSort ( ev , BeginList , j ) ; 23 QuickSort ( ev , i , EndList ) ; 24 } 25 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 61. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões O Algoritmo de Ordenação Quick Sort Quick Sort - Pivoteamento Periférico § ¤ 1 void QSort ( MyVector& ev , i n t l e f t , i n t r i g h t ) 2 { 3 i n t new_right ; 4 i f ( r i g h t > l e f t ) 5 { 6 new_right = P a r t i t i o n ( ev , l e f t , r i g h t ) ; 7 QSort ( ev , l e f t , new_right − 1 ) ; 8 QSort ( ev , new_right + 1 , r i g h t ) ; 9 } 10 return ; 11 } ¦ ¥ § ¤ 1 i n t P a r t i t i o n ( MyVector& ev , i n t l e f t , i n t r i g h t ) 2 { 3 r e g i s t e r i n t i , j ; i = l e f t ; 4 5 f o r ( j = l e f t + 1; j <= r i g h t ; j++) 6 { 7 i f ( ev [ j ] < ev [ l e f t ] ) { ++i ; ev . swap ( i , j ) ; } 8 } 9 10 ev . swap ( l e f t , i ) ; 11 return i ; 12 } ¦ ¥ Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 62. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 63. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 64. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 65. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 66. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 67. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 68. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos Até Onde Avançamos A seguir iremos apresentar alguns resultados obtidos através da implementação de uma ferramenta que verifica o número de instruções executadas em aglomerados numéricos aleatórios, crescentes e decrescentes. A ferramenta possui as seguintes funcionalidades Geração de aglomerado numérico aleatório; Escolha da distribuição para geração do aglomerado numérico; Escolha do método ou estratégia de ordenação. Vamos aos resultados! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 69. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Algoritmos Algoritmos Avaliados Os seguintes algoritmos foram implementados e avaliados confrontando suas respectivas complexidades teóricas e suas aplicações práticas: Bubble Sort Gnome Sort Shaker Sort Comb Sort Insertion Sort Selection Sort Shell Sort Heap Sort Quick Sort Merge Sort Para cada execução de um determinado algoritmo são exibidas as seguintes informações: Número de Iterações; Número de Comparações; Número de Inversões; Tempo de Execução em Segundos. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 70. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Bubble Sort Ordenação Bolha Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 71. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Gnome Sort Ordenação dos ‘Anões de Jardim’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 72. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Shaker Sort Ordenação Chacoalhadeira Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 73. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Comb Sort Ordenação ‘Pente’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 74. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Insertion Sort Ordenação por Inserção Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 75. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Selection Sort Ordenação por Seleção Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 76. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Shell Sort Ordenação ‘Concha’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 77. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Heap Sort Ordenação por ‘Amontoamento’ Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 78. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Quick Sort Ordenação Rápida com Pivoteamento Central Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 79. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Merge Sort Ordenação por Intercalação Ordenação realizada sobre aglomerados numéricos com 1000, 10000 e 100000 números. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 80. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Resultados Obtidos: Quadro de Classificação Analisando o Quadro de Classificação Classificação Algoritmo Tempo Bubble 166.785s Gnome 158.188s Shaker 143.156s Comb 142.328s Insertion 81.765s Selection 68.204s Shell 1.281s Heap 1.235s Quick 1.234s Merge 1.375s Bubble Gnome Shaker Comb Insertion Selection Shell Heap Quick Merge 050100150 Algoritmos Bubble Gnome Shaker Comb Insertion Selection Shell Heap Quick Merge Tempos obtidos através da aplicação dos respectivos algoritmos em aglomerados numéricos aleatórios com cardinalidade igual a 100000. Aglomerados compostos por números reais gerados através de congruência linear. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 81. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 82. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 83. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 84. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 85. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 86. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 87. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 88. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Conclusões Balanço Geral da Análise Algoritmos de ordenação quadráticos possuem baixa complexidade de implementação porém pecam no quesito desempenho. Algoritmos de ordenação do tipo ‘dividir-para-conquistar’ são as melhores opções, porém devemos estar atentos aos casos degenerativos. Possíveis Extensões da Ferramenta Ordenação Multi-Thread/Uso de Paralelismo; Inserção de gráfico de desempenho acumulativo; Ordenação Distribuída/Uso de Middleware; Transformação dos algoritmos de ordenação em plugins. Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 89. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Isso é Tudo Pessoal! Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação
  • 90. Universidade Federal do Estado de Alagoas Instituto de Matemática - Campus A. C. Simões Agradecimentos Grato Pela Atenção! Michel Alves - michel.mas@gmail.com Lab. de Modelagem Geométrica e Visão Computacional Geometria Computacional: Algoritmos de Ordenação